Page Header

Home > Vol 33, No 2 (2023) > Pornpakdee

การพยากรณ์ปริมาณการใช้ไฟฟ้าสำหรับบ้านที่อยู่อาศัยรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา
Forecasting of Electricity Consumption for Residential Houses Monthly Case Study: Muang District, Nakhon Ratchasima Province

Yada Pornpakdee, Narongsak Boonsri, Wasana Mungkrathok, Parichat Jullapol

Abstract


งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบวิธีการพยากรณ์สำหรับการพยากรณ์ปริมาณการใช้ไฟฟ้าบ้านที่อยู่อาศัยรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา โดยใช้ข้อมูลจากสำนักงานสถิติจังหวัดนครราชสีมา ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2563 จำนวน 90 ค่า โดยแบ่งข้อมูลออกเป็น 2 ชุด ข้อมูลชุดที่ 1 ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2562 จำนวน 78 ค่า เพื่อนำมาสร้างตัวแบบ โดยในงานวิจัยนี้ใช้ตัวแบบ การพยากรณ์ 3 ตัวแบบ คือ ตัวแบบอารีมา ตัวแบบวินเทอร์เชิงคูณ และตัวแบบแยกส่วนประกอบ สำหรับข้อมูลชุดที่ 2 ใช้ในการเปรียบเทียบและตรวจสอบความแม่นยำ เพื่อคัดเลือกตัวแบบที่เหมาะสมที่สุด โดยใช้ข้อมูลตั้งแต่เดือนกรกฎาคม พ.ศ. 2562 ถึงเดือนมิถุนายน พ.ศ. 2563 จำนวน 12 ค่า และเกณฑ์ที่ใช้ในการเปรียบเทียบค่าความคลาดเคลื่อนของการพยากรณ์ของแต่ละตัวแบบนั่นคือ เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) และเกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ผลการศึกษาพบว่า ตัวแบบวินเทอร์เชิงคูณเหมาะสมกับการพยากรณ์ปริมาณการใช้ไฟฟ้าบ้านที่อยู่อาศัย โดยเดือนพฤษภาคม พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้ามากที่สุดถึง 30,990,834.92 กิโลวัตต์/ชั่วโมง และเดือนกุมภาพันธ์ พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้าต่ำที่สุด เท่ากับ 19,452,248.85 กิโลวัตต์/ชั่วโมง

The purpose of this research is to study and compare forecasting methods for forecasting monthly electricity consumption of residential houses at Muang District, Nakhon Ratchasima. Data during January 2013 to June 2020 from Nakhon Ratchasima Provincial Statistical Office was collected with the amount of 90 values. The researcher divided the data into 2 sets. The first data set from January 2013 to June 2019 of 78 values was used to prepare three forecast models, i.e. the ARIMA model, the Multiplicative Winter model, and the Decomposition model. The second data set from July 2019 to June 2020 of 12 value was used to compare and verify the accuracy to select the most suitable criteria to compare and forecast errors of each model which are Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The results of the study showed that the Multiplicative Winter model is suitable for forecasting residential household electricity consumption. The highest electricity consumption was in May 2021 of 30,990,834.92. KW / hour while the lowest electricity consumption was in February, 2021 of 19,452,248.85. KW/hour.


Keywords



[1] Economic base. (2021). 21 Korat boom that surged 80,000,000 per rai of motorway - high speed fireworks center ERA. [Online]. Available: http://www.thansettakij.com

[2] Nakhon Ratchasima Provincial Statistical Office. (2013). Nakhon Ratchasima population data Report. [Online]. Available: http://nkrat.nso. go.th/

[3] National Housing Authority. (2018). Population data Report. [Online]. Available: http://nhic.nha.go.th/

[4] S. Suphacan, “Forecasting electricity consumpion in Thailand using the SARIMA – GP hybrid model with new kernel function,” Ph.D. thesis, College of Research Methodology and Cognitive Science, Burapha University, Chonburi, Thailand, 2018 (in Thai).

[5] T. Sutthison, “A comparison of the forecasting methods of the electricity consumption of Ubon Ratchathani Rajabhat university,” Journal of Industrial Ubon Ratchathani Rajabhat University, vol. 7, no. 1, pp. 58–74, 2018 (in Thai).

[6] N. Kaewhawong, “Forecasting electricity consumption of Thailand by using SARIMA and regression model with ARIMA error,” Thai Journal of Science and Technology, vol. 4, no. 1, pp. 24–36, 2015 (in Thai).

[7] N. Konkrua and K. Boonlha, “Forecasting power units quantity distributed Phitsanulok province,” Journal of Science Ladkrabang, vol. 25, no. 2, pp. 54–56, 2016 (in Thai).

[8] G. E. P. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung, Time Series Analysis: Forecasting and Control, 5th ed. New Jersey, John Wiley & Sons, 2016.

[9] V. Sysunam and N. Nanthasamroeng, “Electricity demand forecasting for Champasak province in Lao PDR using Winter’s method with optimizing level, trend and seasonality smoothing constant,” Thai Industrial Engineering Network Journal, vol. 4, no. 2, pp. 51–58, 2018 (in Thai).

[10] C. Theeraviriya, “A comparison of the forecasting method for electric energy demand in Nakhonphanom province,” Naresuan University Journal, vol. 25, no. 4, pp. 124–137, 2017 (in Thai).

Full Text: PDF

DOI: 10.14416/j.kmutnb.2022.10.008

ISSN: 2985-2145